基于分段建模的肉牛体尺关键点检测轻量化策略

摘要

【目的】快速、高效、精准测量肉牛体尺，设计一种轻量化肉牛体尺自动测量策略。【方法】基于自建牛只侧面图像数据集，以YOLO11n-pose为基础模型，引入RepGhost模块(重参数化技术)、CoT模块(上下文信息融合)以及SaE模块，提出基于分段建模的肉牛体尺关键点检测轻量化策略RepGhost-CoT-SaE-YOLO(RCS-YOLO)，基于RCS-YOLO获得牛只髻甲最高点、前蹄部地面点、胸基点、鬐甲后缘点、腹部最低点、腰椎点、十字部点、坐骨结节后缘点、肩部前缘点和左前蹄小腿两侧端点11个牛体尺关键点，根据关键点像素值与真实值的坐标转换算法和对应的体尺公式，实现体高、体斜长、胸深、腹深、十字部高、尻长和管围7项体尺参数的自动测量。【结果】在自建数据集上进行试验，相比原基础模型，RCS-YOLO在保证模型精度的同时，参数量、计算量和模型大小分别减少了45.8%、53.6%和43.1%，模型预测关键点与真实标注关键点之间的平均误差为8.2像素，模型测量与人工测量各项参数的整体平均相对误差为3.7%。【结论】RCS-YOLO模型能够快速、高效、低成本地自动测量牛体尺数据，满足牛只育种所需数据测量的需求，适用于肉牛养殖场本地端的实际部署。

关键词

肉牛 / 分段建模 / 关键点 / 体尺测量 / YOLO11n-pose